Food recognition using neural network classifier and multiple hypotheses image segmentation

ABSTRACT

This paper proposes the multiple-hypotheses image segmentation and feed-forward neural network classifier for food recognition to improve the performance. Initially, the food or meal image is given as input. Then, the segmentation is applied to identify the regions, where a particular food item is located using salient region detection, multi-scale segmentation, and fast rejection. Then, the features of every food item are extracted by the global feature and local feature extraction. After the features are obtained, the classification is performed for each segmented region using a feed-forward neural network model. Finally, the calorie value is computed with the aid of (i) food volume and (ii) calorie and nutrition measure based on mass value. The experimental results and performance evaluation are validated. The outcome of the proposed method attains 0.947 for Macro Average Accuracy (MAA) and 0.959 for Standard Accuracy (SA), which provides better classification performance.     

基于改进遗传算法的深度神经网络优化研究

深度前馈神经网络在分类和回归问题上得到了很好的应用,但网络性能极大程度上受到其结构和超参数影响.为了获得高性能的神经网络,首先对遗传算法的选择策略进行改进,之后利用该改进遗传算法,采用二进制编码与实数编码的混合编码策略对深度前馈神经网络层数、每层节点量以及学习率和权重进行优化.改进的选择策略,在最优保存策略的基础上从父代和子代合并的2n个个体中,以一定的概率选择部分适应值较差个体作为新父代,以增加种群多样性,避免陷入局部最优.同时引入dropout方法减少网络过拟合训练数据.使用Ring、Breast cancer、Twonorm、Heart、Blood、Ionosphere、Monk共7个数据集进行数值实验,并与其他相关文献中的算法比较,仿真结果表明,改进的遗传算法能搜索到较高性能的神经网络.     

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地做出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为。然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为。另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。     

XY平台直线伺服系统的IP变增益交叉耦合控制

XY平台直线伺服系统中,负载扰动、机械时间延迟及各轴响应速度不同会影响轮廓加工精度,为此提出了一种将积分-比例(I-P)控制、速度前馈控制及变增益交叉耦合控制相结合的控制策略。单轴采用由IP控制和前馈控制构成的复合速度控制器,IP控制具有快速响应和抑制扰动的能力,速度前馈控制可增加系统跟踪能力,降低机械时间延迟效应。间接减小轮廓误差。并且,在X、Y轴间加入变增益交叉耦合控制器,直接减小轮廓误差。仿真结果表明该控制方案可增强系统的鲁棒性,提高系统的快速性和轮廓加工精度。     

单相有源前端直流电压脉动研究

单相PWM整流器作为串联H桥多电平变频器的有源前端,可以满足矿井提升机对电气传动系统能量双向流动能力的要求,但是其输出2次脉动电压使得网侧电流存在3次谐波。针对上述问题,提出了一种稳态误差前馈补偿的方法,即将输出直流电压的二倍频正弦误差信号补偿至直流电压给定信号,以减小电压脉动对电网电流畸变的影响。仿真及硬件实验验证了该方法的有效性。     

前馈Smith控制在反应釜控制中的应用研究

反应釜是一种典型的大惯性、大滞后非线性系统,其温度参数受不确定因素影响较大,控制起来非常困难.针对其温度控制的大滞后、非线性特点,提出了非线性前馈与Smith-PID预测控制相结合的控制方案.前馈用于抵消反应过程中的放热对过程的非线性影响,使控制对象可以近似线性,再通过Smith-PID控制消除大滞后对温度控制的影响,...     

基于二叉级联结构的并行极速学习机算法

为解决因庞大的矩阵存储和计算,ELM（Extreme Learning Machines）难以应用到大规模、高维数据集的问题,提出一种基于＂分而治之＂策略的并行极速学习机算法。该算法利用二叉级联结构,将大规模数据集分派到多个计算节点上,并行地更新单隐层前馈网络的输出权值,且能有限步地单调收敛到最小二乘解。实验结果表明,该算法不仅泛化性能优异,并且具有非常高的加速比和并行效率。     

基于前馈控制的交流伺服系统精确定位的研究

介绍了交流伺服电动机数学模型,叙述了伺服控制系统的设计原理和具体方法,在位置环、速度环和电流环的3环PI伺服控制系统的基础上,引进位置前馈控制来提高定位控制的性能,研究了前馈PI的控制方法.通过仿真进行了与普通伺服控制系统的对比,未加前馈控制跟踪误差较大,在位置环加前馈控制恒速段跟踪误差较小,但在加减速度段,误差成单调变化,在速度环上再加上前馈控制,位置跟踪误差会更接近于零.结果表明,引进前馈控制的PI交流伺服系统可以实现高精度位置控制,验证了前馈控制在指令信号跟踪性和抗干扰性方面的良好效果.     

洁净室温湿度控制算法研究

通常洁净室温湿度系统具有大时滞、时变及耦合性,难以建立精确数学模型.本文针对某洁净制药车间的温湿度控制,采用了前馈补偿器,模糊PID控制与改进型Smith预估补偿算法相结合的控制方案,提高温湿度实时控制性能.仿真结果表明,该方案解决了温湿度系统耦合问题,提高了温湿度控制精度,获得较好的控制效果.     

两输入幂激励前向神经网络权值与结构确定

基于多元函数逼近与二元幂级数展开理论,构建了一个以二元幂函数序列为隐神经元激励函数的两输入幂激励前向神经网络模型.以该网络模型为基础,基于权值直接确定法以及隐神经元数目与逼近误差的关系,提出了一种网络权值与结构确定算法.计算机仿真与数值实验结果验证了所构建的网络在逼近与去噪方面具有优越的性能,所提出的权值与结构确定算法能够快速、有效地确定网络的权值与最优结构,保证网络的最佳逼近能力.